[發明專利]截斷式張量貝葉斯多光譜圖像壓縮感知重構方法

在審

• 申請號: 202011454059.X
• 申請日: 2020-12-10
• 公開（公告）號: CN112529826A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 李丹;吳漢杰;王禹健;孔繁鏘
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉莎

1.截斷式張量貝葉斯多光譜圖像壓縮感知重構方法，其特征在于，該方法針對稀疏信號各維度建立II型拉普拉斯先驗概率分布模型，針對采樣噪聲建立多元高斯先驗概率分布模型，其中，II型拉普拉斯先驗概率分布由兩級構成，第一級為超參數為{γ_j}的多元高斯分布，第二級為針對γ_j建立的超參數為κ_j的伽馬分布；

基于上述II型拉普拉斯先驗概率分布模型，高維壓縮感知重構問題轉化為最大后驗估計問題，其求解方法如下：

采用迭代方法依次更新稀疏系數張量和{γ_j}、{κ_j}，在每次迭代完成后，對{γ_j}中的元素按降序排列，若排序結果相對于前一次迭代沒有變化且當前迭代次數大于最小迭代次數、或總迭代次數達到設定上限，則停止迭代；停止迭代后，取出{γ_j}排序后前k_j個元素對應的支撐集，根據各維度支撐集、感知字典和原圖像的測量值，采用張量最小二乘法求解出重構結果。

2.如權利要求1所述的截斷式張量貝葉斯多光譜圖像壓縮感知重構方法，其特征在于，求解最大后驗估計問題的方法具體步驟如下：

步驟1、計算第j個維度的感知字典D_j＝Φ_jΨ_j；初始化{γ_j}、{κ_j}以及多元高斯先驗概率分布模型的方差超參數λ，初始化稀疏系數張量設定最大迭代次數t_max、最小迭代次數t_min以及第j個維度稀疏度k_j，其中Φ_j與Ψ_j分別為第j個維度測量矩陣與稀疏字典，j＝1，2，...，ξ，ξ為原圖像的維數；

步驟2、若當前迭代次數t未達到t_max，則執行以下子步驟：

步驟2.1、使用張量貝葉斯算法更新{γ_j}，{κ_j}，λ；

步驟2.2、對于第j個維度，將{γ_j}中的元素按降序排列，第t次迭代時排序后各元素對應的支撐集記為

步驟2.3、若t＞t_min且對所有j＝1，2，...，ξ有則退出步驟2；

步驟3、記υ_j為中前k_j個元素支撐集集合，B_j＝D_j(0，υ_j)；

步驟4、計算最小二乘張量其中Y為原圖像的測量值，×_j表示對第j個維度做矩陣乘法，表示偽逆；

步驟5、得到更新的稀疏系數張量即

步驟6、得到原圖像的重構結果

3.如權利要求1所述的截斷式張量貝葉斯多光譜圖像壓縮感知重構方法，其特征在于，k_j為第j個維度稀疏度。